Устройство неразрушающего контроля труб. Оно получает информацию о дефектах из сигналов, безпрерывно улавливаемых ультразвуковыми приемниками в результате селективного возбуждения ультразвуковых излучателей согласно выбранному временному закону. Приемники образуют компоновку с выбранной геометрией, соединенную ультразвуком с трубой, с относительным движением поворота/поступательного перемещения. Устройство содержит конвертер (891; 892), селективно выделяющий цифровое представление эхосигналов в обозначенных временных окнах в зависимости от движения и получающий из нее изображение (901; 902) дефектов, фильтр (921; 922), определяющий зоны (Zcur) предполагаемого дефекта и его свойства, комбинаторное устройство (960), подготавливающее цифровые входные рабочие сигналы на основании выборки (951; 952) из изображений зоны (Zcur) дефекта, его свойств, получаемых от фильтра, и данных контекста (740), нейронную схему (970), принимающую входные рабочие сигналы, цифровой каскад (992) принятия решения и сигнализации, работающий на основании выходного сигнала нейронной схемы, и автомат (994) сортировки и маркировки труб, определенных как некондиционные каскадом принятия решения и сигнализации.

[0001] Устройство, образующее вспомогательный эксплуатационный инструмент для неразрушающего контроля металлургических изделий, таких как трубы или другие длинномерные изделия, в ходе и в конце изготовления, причем этот упомянутый инструмент предназначен для получения информации о возможных дефектах трубы на основании обратных сигналов, которые в результате селективного возбуждения (70) излучающих ультразвуковых датчиков согласно выбранному временному закону улавливаются (73) принимающими ультразвуковыми датчиками, образующими компоновку с выбранной геометрией, установленную с ультразвуковой связью с трубой посредством жидкой среды, при относительном движении поворота/поступательного перемещения между трубой и компоновкой преобразователей,

[0002] Устройство по п.1, предназначенное для работы с двумя компоновками ультразвуковых преобразователей (P11, Р12; Р21, Р22) с выбранной геометрией, обеспеченных ультразвуковой связью, по существу, согласно зеркальной симметрии направления своих соответствующих ультразвуковых лучей, отличающееся тем, что упомянутый эксплуатационный инструмент содержит два конвертера (891, 892), соответственно предназначенных для этих двух компоновок ультразвуковых преобразователей (P11, Р12; Р21, Р22), и тем, что комбинаторное устройство (960) установлено для селективной работы на эхосигналах внутреннего поверхностного слоя или на эхосигналах внешнего поверхностного слоя, или на эхосигналах, появляющихся в массе трубы, и одновременно на данных, связанных с одной или другой из двух компоновок преобразователей.

[0003] Устройство по одному из пп.1 и 2, отличающееся тем, что конвертер (891; 892) установлен для селективного выделения цифрового представления возможных максимумов эхосигналов в определенных временных окнах, соответствующих эхосигналам внутреннего поверхностного слоя, эхосигналам внешнего поверхностного слоя, а также эхосигналам, поступающим из массы трубы, соответственно, и тем, что комбинаторное устройство (960) установлено для селективной работы на эхосигналах внутреннего поверхностного слоя или на эхосигналах внешнего поверхностного слоя, или на эхосигналах, появляющихся в массе.

[0004] Устройство по одному из предыдущих пунктов, отличающееся тем, что комбинаторное устройство (960) принимает по меньшей мере один входной сигнал (9511; 9521), связанный с экстремумом амплитуды изображения в зоне предполагаемого дефекта.

[0005] Устройство по одному из предыдущих пунктов, отличающееся тем, что фильтр (921; 922) установлен для производства, в качестве свойств каждого предполагаемого дефекта, его наклона и его длины, тогда как комбинаторное устройство (960) принимает соответствующие входные сигналы наклона дефекта (931) и длины дефекта (932).

[0006] Устройство по одному из предыдущих пунктов, отличающееся тем, что фильтр (921; 922), комбинаторное устройство (960), нейронная схема (970) и цифровой каскад (992) принятия решения и сигнализации установлены для неоднократной работы на последовательности зон (Zcur) предполагаемого дефекта, определенных упомянутым фильтром (921; 922).

[0007] Устройство по п.6, отличающееся тем, что фильтр (921; 922), комбинаторное устройство (960), нейронная схема (970) и цифровой каскад (992) принятия решения и сигнализации установлены для альтернативной работы на внутреннем поверхностном слое и на внешнем поверхностном слое трубы.

[0008] Устройство по одному из предыдущих пунктов, отличающееся тем, что упомянутая компоновка типа нейронной схемы содержит

[0009] Устройство по п.8, отличающееся тем, что упомянутые две нейронные схемы имеют входные сигналы, которые отличаются

[0010] Устройство по одному из пп.8 и 9, отличающееся тем, что выходные сигналы двух нейронных схем комбинируют для повышения точности прогнозирования.

[0011] Устройство по одному из предыдущих пунктов, отличающееся тем, что излучение и прием ультразвуковых сигналов осуществляются каждый раз одним и тем же преобразователем по меньшей мере для части компоновки датчиков.

[0012] Устройство неразрушающего контроля труб в ходе или в конце изготовления, отличающееся тем, что содержит

[0013] Способ неразрушающего контроля металлургических изделий, таких как трубы или другие длинномерные изделия, в ходе и в конце изготовления, содержащий следующие этапы:

[0014] Способ по п.13, в котором

[0015] Способ по одному из пп.13 и 14, отличающийся тем, что

[0016] Способ по одному из пп.13-15, отличающийся тем, что

[0017] Способ по одному из пп.13-16, отличающийся тем, что этапы е) и ж) повторяют неоднократно для каждого дефекта, обнаруженного на этапе д).

Настоящее изобретение касается неразрушающего контроля материалов, особенно труб, во время изготовления.

В настоящее время известны предложения, которые будут рассмотрены ниже и которые состоят в использовании нейронных сетей в рамках неразрушающего контроля материалов. Однако эти существующие решения не могут работать в промышленной среде на уже находящемся в эксплуатации оборудовании в режиме реального времени и одновременно обеспечивать с лета классификацию дефектов по их природе, чтобы можно было быстро устранять возникающие проблемы на фазе производства.

Задачей изобретения является улучшение этой ситуации путем системы, которая может быть использована в промышленной среде и легко устанавливаться на оборудовании, уже существующем в этой среде, быть использована в режиме реального времени, то есть которая может осуществлять быструю диагностику (с достаточной скоростью, чтобы не замедлять скорость общего производства) и которая позволяет получать классификацию дефектов по их природе так, чтобы определять их серьезность и распознавать техническую причину возникновения дефекта и быстро устранять, таким образом, проблему на фазе производства.

Согласно первому аспекту настоящего изобретения предлагается устройство, образующее вспомогательный эксплуатационный инструмент для неразрушающего контроля труб (или других металлических изделий) в ходе и в конце изготовления. Такой инструмент предназначен для получения информации о возможных дефектах трубы. В соответствии с выбранным временным законом селективно возбуждают передающие ультразвуковые датчики. Обратные сигналы улавливаются принимающими ультразвуковыми датчиками, образующими компоновку с выбранной геометрией, установленную с ультразвуковой связью с трубой посредством жидкой среды. Наконец, между трубой и компоновкой преобразователей происходит, в целом, относительное движение поворота/поступательного перемещения.

Предлагаемый вспомогательный эксплуатационный инструмент содержит

конвертер, выполненный с возможностью селективного выделения цифрового представления возможных эхосигналов в обозначенных временных окнах в зависимости от относительного движения поворота/поступательного перемещения и получения изображения возможных дефектов трубы,

фильтр, выполненный с возможностью определения в изображениях зон предполагаемого дефекта, а также свойств каждого предполагаемого дефекта,

комбинаторное устройство, установленное для подготовки цифровых входных сигналов нейронной схемы на основании выборки из изображений, соответствующей зоне предполагаемого дефекта, свойств предполагаемого дефекта в этой же зоне, получаемых от фильтра, и данных контекста,

по меньшей мере одну нейронную схему, принимающую входные сигналы от комбинаторного устройства,

цифровой каскад принятия решения и сигнализации, работающий на основании выходного сигнала нейронной схемы, и

автоматическое устройство сортировки и маркировки, установленное для отделения и маркировки труб, определенных как некондиционные цифровым каскадом принятия решения и сигнализации.

Изобретение может также применяться на уровне устройства неразрушающего контроля труб (или других металлических изделий) в ходе или в конце изготовления, которое содержит

компоновку ультразвуковых преобразователей с выбранной геометрией, установленную с ультразвуковой связью с трубой посредством жидкой среды и относительным движением поворота/поступательного перемещения между трубой и компоновкой преобразователей,

схемы для селективного возбуждения этих преобразующих элементов в соответствии с выбранным временным законом и для сбора улавливаемых ими обратных сигналов, и

определенный выше и подробно описанный ниже вспомогательный эксплуатационный инструмент.

Другой аспект изобретения объясняется способом неразрушающего контроля труб (или других металлических изделий) в ходе и в конце изготовления, содержащий следующие этапы:

а. Предусматривают компоновку ультразвуковых преобразователей с выбранной геометрией, установленную с ультразвуковой связью с трубой посредством жидкой среды и относительным движением поворота/поступательного перемещения между трубой и компоновкой преобразователей;

б. В соответствии с выбранным временным законом селективно возбуждают эти преобразующие элементы;

в. Собирают улавливаемые ими обратные сигналы с целью селективного анализа этих обратных сигналов и получения информации о вероятных дефектах трубы.

Предложенный способ дополнительно содержит следующие этапы:

г. Селективно выделяют цифровое представление возможных эхосигналов в соответствующих временных окнах в зависимости от относительного движения поворота/поступательного перемещения и получают изображение возможных дефектов в трубе;

д. Фильтруют изображения в соответствии с выбранными критериями фильтрования для определения зон предполагаемого дефекта, а также свойств каждого предполагаемого дефекта;

е. Формируют цифровые входные сигналы нейронной схемы на основании выборки из изображений, соответствующей зоне предполагаемого дефекта, свойств предполагаемого дефекта в этой же зоне и данных контекста;

ж. Применяют сформированные таким образом входные сигналы по меньшей мере к одной нейронной схеме;

з. Выходной сигнал нейронной схемы обрабатывают в цифровом виде согласно выбранным критериям принятия решения для получения принятия решения и/или сигнализации и

и. Отделяют и маркируют трубы, определенные как некондиционные на этапе з.

Другие аспекты изобретения будут рассмотрены в нижеследующем тексте описания настоящей патентной заявки.

Другие отличительные признаки и преимущества изобретения будут более очевидны из нижеследующего подробного описания со ссылками на прилагаемые чертежи, на которых

фиг. 1 - схематичный вид в перспективе трубы, имеющей дефекты или недостатки, называемые эталонами.

фиг. 2 - схематичный вид сбоку, иллюстрирующий пример установки типа «контроля с вращающейся головкой » на трубе в конце изготовления;

фиг. 3А-3С - детальный вид различных типов измерения толщины и контроля продольных и поперечных дефектов;

фиг. 4 - принципиальная электронная схема, связанная с ультразвуковым датчиком во время неразрушающего контроля в классической установке;

фиг. 5А и 5В - вид с конца и вид сбоку особенного типа ячейки неразрушающего контроля, обычно называемой «вращающейся головкой », представленной схематично;

фиг. 6 - показывает сложность ультразвуковых траекторий в трубе на простом примере;

фиг. 6А и 6В - схематичные временные диаграммы ультразвуковых сигналов соответственно для датчика с наклонным углом падения и для датчика с нормальным (перпендикулярным) углом падения;

фиг. 7 - график, показывающий классическое представление селективности контрольной установки;

фиг. 8 - принципиальная электронная схема, связанная с ультразвуковым датчиком во время неразрушающего контроля, в примере установки, выполненной с возможностью применения изобретения;

фиг. 8А - более детальная функциональная схема части, показанной на фиг. 8;

фиг. 9 - схематичная копия экрана с двумя оцифрованными ультразвуковыми изображениями потенциальных дефектов в трубе;

фиг. 10A-10D - схематичные представления различных типов дефектов по классификации API (American Petroleum Institute), которые образуют выходные данные нейронной сети, определяющей тип дефекта;

фиг. 11 - более детальная функциональная схема другой части, показанной на фиг. 8;

фиг. 12 - последовательная диаграмма, иллюстрирующая обработку последовательных потенциальных дефектов в изображении;

фиг. 13 - функциональная схема системы фильтров, используемых в соответствии с настоящим изобретением;

фиг. 14 - функциональная схема монтажа с нейронной сетью, определяющей тип дефекта в трубе;

фиг. 15 - функциональная схема монтажа с нейронной сетью, определяющей степень глубины дефекта в трубе;

фиг. 16 - функциональная схема модели нейрона;

фиг. 17 - пример функции передачи элементарного нейрона;

фиг. 18 - общая схема установки, использующей изобретение для обнаружения недостатков при помощи различных типов датчиков.

Чертежи содержат элементы определенного характера. Поэтому они позволяют не только лучше понять настоящее изобретение, но также, в случае необходимости, способствуют его определению.

В дальнейшем тексте настоящего описания ультразвуковой датчик может быть равнозначно обозначен терминами «датчик », или «щуп », или «преобразователь », хорошо известными специалистам.

Известные примеры применения нейронных сетей

Использование нейронных сетей в рамках неразрушающего контроля материалов было рассмотрено во многих публикациях, которые в своем большинстве являются в основном теоретическими и которые будут рассмотрены ниже.

В статье "Localisation and Shape Classification of Defects using the Finite Element Method and the Neural Networks" ZAOUI, MARCHAND and RAZEK (NDT.NET - август 1999 г., том IV, реферат 8) сформулированы предложения в данной области. Однако эти предложения относятся к лабораторным работам, и описанное применение не может быть использовано на линии в промышленной среде. Кроме того, здесь рассматривается только обнаружение при помощи токов Фуко, что в большинстве случаев является недостаточным.

В статье "Automatic Detection of Defect in Idustrial ultrasound images using a neural Network", Lowson and Parker (Proc. of Int. Symposium on Lasers, Optics, and Vision for Productivity in Manufacturing I (Vision Systems: Applications), июнь 1996, Proc. of SPIE, том 2786, стр. 37-47, 1996) описано применение обработки изображений и нейронных сетей с целью интерпретации того, что называют "scan TOFD". Так называемый способ TOFD (Time of Flight Diffraction) состоит в отметке положений ультразвукового датчика, в которых им можно наблюдать преломление луча на краях дефекта, что позволяет в дальнейшем получить размерную характеристику дефекта. Этот способ является сложно приспособляемым к уже существующему оборудованию неразрушающего контроля, в частности, в промышленной среде.

Статья "Shape Classification of Flaw Indications in 3-Dimensional ultrasonic Images", Dunlop and McNab (IEE Proceedings - Science, Measurement and Technology - июль 1995, том 142, выпуск 4, стр. 307-312) относится к диагностике в области коррозии трубопровода. Система позволяет осуществлять неразрушающий контроль по глубине и проводить исследование в трех измерениях и в режиме реального времени. Однако система является очень медленной. Это делает относительно трудным ее использование в промышленной среде.

В статье "Application of neuro-fuzzy techniques in oil pipelines ultrasonic nondestructive testing", Ravanbod (NDT &E International 38 (2005), стр. 643-653) предложено улучшить алгоритмы обнаружения дефекта за счет использования элементов нечеткой логики соединенных нейронной сетью. Однако изучаемые здесь технологии тоже относятся к проверке дефектов трубопровода и к диагностике коррозионных дефектов.

В документе DE 4201502 С2 описан способ создания сигнала, предназначенного для нейронной сети, но несущего очень мало или нисколько инструкций об интерпретации результатов с точки зрения диагностики. Кроме того, здесь тоже рассматривается только обнаружение токами Фуко.

Японская патентная публикация JP 11-002626 касается обнаружения только продольных дефектов и только при помощи токов Фуко.

В патентной публикации № 08-110323 рассмотрено только частотное исследование сигналов, полученных при помощи ультразвука.

В патентной публикации № 2003-279550 описана программа для определения различий между зоной, которая считается нормальной, и плохой зоной изделия с использованием нейронной сети. Эта программа до конца не разработана и не позволяет получать классификацию или производить локализацию дефектов.

Следовательно, применение этой программы во многих случаях может привести к отбраковке деталей, которые можно было бы считать нормальными, если интерпретацию результатов осуществляет человек.

Неразрушающий контроль трубПредшествующий уровень техники

Нижеследующее подробное описание приводится в качестве не ограничительного примера в основном в рамках неразрушающего контроля труб в конце изготовления.

Как показано на фиг. 1, дефекты в трубе T можно различать по их положению. Так, поверхностные, внутренние или внешние дефекты включают в себя продольные дефекты LD, окружные (или поперечные, или косые) дефекты CD и косые или наклонные дефекты ID; путем применения различных компоновок датчиков пытаются обнаружить эти дефекты, когда они распространяются по определенной длине и глубине согласно стандартам или спецификациям, или техническим условиям заказчиков (например, по стандартам, значение длины дефекта составляет 1/2 дюйма или примерно 12,7 мм при глубине примерно 5% от толщины контролируемого изделия). Рассматривают также так называемые дефекты «в стенке », то есть дефекты в массе MD (на фиг. 1 не показаны), которые часто соответствуют включениям или расслоениям, которые стараются обнаружить одновременно с измерением толщины. На фиг. 1 для лучшего понимания обнаружения дефектов ультразвуковые лучи показаны расходящимися. На практике, как будет показано ниже, они скорее являются сходящимися.

Классически во время неразрушающего контроля ультразвуком используют один из следующих трех типов установок: так называемые установки «с вращающейся головкой », так называемые установки «с вращающейся трубой » и установки с многоэлементным охватывающим датчиком, хорошо известные специалистам. В случае использования датчиков с электронным сканированием, относительное вращение трубы/датчиков является виртуальным. Применяемое в данном случае выражение «относительное движение поворота/поступательного перемещения между трубой и компоновкой преобразователей » относится к случаю, когда относительное вращение является виртуальным.

Показанная на фиг. 2 машина неразрушающего контроля с вращающейся головкой содержит собственно ультразвуковое устройство, установленное на водной оболочке или «водной рубашке » 100, через который проходит труба, например, со скоростью v=0,5 м/с. Ультразвуковые датчики или щупы излучают в воду продольные волны. Данный датчик работает, например, на частоте в 1 или несколько МГц. Он периодически возбуждается импульсами с выбранной формой волны в рекуррентном ритме (с рекуррентной частотой) Fr, которая составляет порядка нескольких кГц или нескольких десятков кГц, например 10 кГц.

Кроме того, ультразвуковой преобразователь содержит

излучение ближнего, практически параллельного поля в так называемой зоне Френеля, характеризующейся многочисленными интерференциями, длина которой по оси луча составляет

N = 0,25 D2/ λ

где D является диаметром активной пластинки преобразователя, a λ является длиной рабочей волны, и

излучение дальнего поля в так называемой зоне Фраунгофера в виде луча, расходящегося под углом 2 α, при этом sin α =1,22 λ/D.

Ha фиг. 3А, 3В, 3С показаны датчики, возвращающие сходящиеся лучи при помощи вогнутой (ультразвуковой) линзы, обычно используемые для применения к трубам. Предпочтительно используют зону Фраунгофера, наименее подверженную возмущениям.

Таким образом, для датчиков, таких как P11 и Р12, ультразвуковой луч, который, как правило, является сфокусированным, распространяется вблизи плоскости, перпендикулярной к оси трубы T. Обнаружение происходит, по существу, по поперечному сечению. Роль этих датчиков заключается в следующем:

либо их луч тоже является перпендикулярным к оси трубы T в поперечном сечении, и они служат для измерения толщины (например, P1, фиг. 3А), в этом случае говорят о «прямом прощупывании »;

либо их луч является наклонным к оси T в поперечном сечении, и они служат для обнаружения продольных дефектов (например, P11, фиг. 3B). В этом случае угол падения в поперечном сечении предпочтительно выбирают таким образом, чтобы создавать в трубе только поперечные ультразвуковые волны или волны сдвига, с учетом характеристик границы раздела вода/металл трубы (в принципе - вода/сталь). В целом, предусматривают два датчика P11 и Р12 с противоположными углами падения относительно оси трубы (фиг. 2).

Машина содержит также датчики, такие как Р21 и Р22, ультразвуковой луч которых напротив, как правило, является обычно сфокусированным и распространяется вблизи плоскости, проходящей через ось трубы, но под углом по отношению к плоскости, перпендикулярной к оси трубы T (см. датчик Р21, фиг. 3C). В этом случае угол падения по отношению к плоскости, перпендикулярной к оси трубы, предпочтительно выбирают таким образом, чтобы создавать в трубе только поперечные ультразвуковые волны или волны сдвига, с учетом характеристик границы раздела вода/металл трубы (в принципе - вода/сталь). Эти датчики служат для обнаружения поперечных дефектов. Как правило, предусматривают два датчика Р21 и Р22 с противоположными углами падения относительно плоскости, перпендикулярной к оси трубы (фиг. 2).

В целом, контроль дефектов производят с фокусировкой луча. Точка фокусировки измеряется относительно «скачка », который соответствует первому возвратно-поступательному пути ультразвуков в толщине трубы. Так, датчик, показанный на фиг. 3А, фокусируют по половине скачка, тогда как датчики, показанные на фиг. 3В и 3С, фокусируют по трем четвертям скачка. Кроме того, в целом, контроль внешних дефектов производят по скачку, а контроль внутренних дефектов по половине скачка.

Обозначим Та время присутствия, необходимое для того, чтобы щуп мог правильно воспринять возврат ультразвукового луча, представляющего вероятный дефект. Это время Та зависит от суммы двух следующих промежутков времени:

с одной стороны, времени возвратно-поступательного распространения продольных ультразвуковых волн по высоте «столба воды », присутствующего между щупом и трубой на пути ультразвука,

с другой стороны, времени распространения поперечных ультразвуковых волн, необходимого внутри трубы, чтобы осуществить собственно неразрушающий контроль. В основном это время зависит от выбора необходимого числа отражений поперечных волн внутри стенки трубы.

Классически щупы приводят во вращение вокруг оси трубы при помощи не показанных средств со скоростью T порядка нескольких тысяч оборотов в минуту (например, 6000 об/мин). В известном специалистам случае, когда во вращение приводится труба, тогда как щупы не приводятся во вращение (так называемая установка «с вращающейся трубой »), скорость вращения трубы составляет порядка от нескольких десятков до нескольких тысяч оборотов в минуту.

Каждую совокупность датчик - передаточная среда (вода) труба можно назвать «ячейкой ». Кроме того, для одной ячейки следует рассматривать также апертуру луча Od ультразвуковых щупов во время обнаружения. Апертуру можно определять двумя составляющими (фиг. 1): одной Od1 в поперечном сечении трубы и другой Od2 в плоскости, проходящей через ось трубы и щуп.

Регулирование установки (в зависимости от скорости вращения, скорости продвижения, размеров Od1 и Od2 и числа щупов) должно обеспечивать сканирование ультразвуковыми лучами всех поверхностей и всего объема контролируемой трубы.

Необходимо отметить, что некоторые нормы или требования заказчиков, или спецификации предусматривают перекрывание сканируемых поверхностей.

Таким образом, время анализа Та определяется компромиссом между рекуррентным темпом (или частотой) Fr;

в поперечном сечении трубы - скоростью вращения ω с учетом апертуры Od1 ультразвуковых щупов при обнаружении (иначе говоря, учитывая вращение датчиков, причем составляющая Od1 апертуры луча должна обеспечивать время нахождения дефекта напротив датчиков, которое, по меньшей мере, равно Та);

вдоль трубы - скоростью ее продвижения v с учетом апертуры Od2 ультразвуковых щупов при обнаружении и числа Nfi щупов, предназначенных для выполнения этой же функции Fi (которые, следовательно, образуют группу щупов), причем на периферии трубы (иначе говоря, учитывая поступательное перемещение трубы, составляющая Od2 апертуры луча должна обеспечивать время нахождения дефекта напротив датчика (или группы датчиков), которое, по меньшей мере, равно Та);

числом щупов, предназначенных для выполнения той же роли (то есть той же функции), и

определенными выше промежутками времени распространения волн.

Классически машина содержит, как правило, всего два датчика, такие как P11, Р12, для контроля дефектов типа LD и, в случае необходимости, ID, два датчика, такие как Р21, Р22, для контроля дефектов типа CD, к которым в принципе добавляют датчик, такой как P1, для измерения толщины изделия и контроля дефектов типа MD. На самом деле, каждый датчик может быть группой датчиков, работающих вместе, что будет пояснено ниже.

Машина обладает интегрированной или отдельной электроникой возбуждения и обнаружения, связанной с каждым из датчиков. Она содержит (фиг. 4) излучатель 70 импульсов, например, на 250 вольт, для возбуждения щупа P0, установленного на водяной рубашке 100. Являясь неотъемлемой частью системы неразрушающего контроля, ультразвуковой щуп P0, в данном случае излучатель/приемник, принимает последовательные эхосигналы этого возбуждения. Линии 700 и 710 передают соответственно импульс возбуждения и сигнал с выводов щупа в усилитель 73.

Выходной сигнал усилителя 73 служит для визуализации оператору и/или для управления автоматом сортировки, выполненным с возможностью отделения (на выходе) некондиционных труб.

Визуализация осуществляется, например, при помощи осциллоскопа 750, который в качестве сигнала принимает выходной сигнал усилителя 73, а в качестве развертки 752 - сигнал синхронизирующего каскада 753, поступающий от излучателя 70. Пороговый каскад 754 позволяет избежать ослепления осциллоскопа в момент импульса излучения.

Другой выходной сигнал усилителя 73 поступает на каскад обработки 760 сигнала. В целом, эта обработка содержит выпрямление, сглаживание и фильтрование. После него следует каскад обнаружения или селектор 762, выполненный с возможностью выделения существенных эхосигналов известным способом. При обнаружении дефекта существенным является наличие эхосигнала с его амплитудой или его продолжительностью (следовательно, с его энергией) в определенных временных строб-импульсах, в основном в половине скачка и в скачке. При обнаружении по толщине проверяют, чтобы эквивалент расстояния временного промежутка между соответствующими донными эхосигналами соответствовал требуемой толщине трубы. Аномалии, обнаруженные по этим критериям, могут инициировать сигнал 764 тревоги и/или управлять автоматом 766 сортировки, который удаляет некондиционные трубы, маркируя их в соответствии с обнаруженной аномалией или обнаруженными аномалиями.

В случае установки с вращающейся головкой (фиг. 5А и 5В) ячейка содержит также на механической опоре 80 водяную рубашку 100, на которой размещен блок датчика P0 с соединением 701, которое объединяет линии 700 и 701, показанные на фиг. 4. Для центровки трубы T предусмотрены, например, три подшипника 81-83.

Согласно известным техническим решениям (например, в случае машины, продаваемой немецкой компанией GE NUTRONIC (бывшая NUKEM)), блок датчика P0 содержит датчики, которые вращаются со скоростью в несколько тысяч оборотов в минуту вокруг трубы. Можно также использовать множество датчиков, распределенных в виде кольца вокруг трубы. Кольцо содержит, например, 6 секторов из 128 ультразвуковых датчиков, распределенных вокруг периферии. Сектора датчиков чередуются с небольшим смещением в направлении оси трубы. Это позволяет получить перекрывание между двумя секторами датчиков, следующими друг за другом в продольном направлении, а также уменьшить проблемы интерференции.

Интерференция происходит, когда данный датчик принимает эхосигналы в результате облучения на другом датчике.

К этому добавляется станина (не показана) для направления трубы на входе и на выходе поста неразрушающего контроля с целью позиционирования трубы, непрерывно перемещающейся относительно ультразвуковых датчиков.

Неразрушающий контроль должен осуществляться на всей периферии трубы. Вместе с тем важно также, чтобы этот контроль отслеживал линейную скорость v трубы на выходе производственной линии. Таким образом, достигают компромисса между линейной скоростью v трубы, рекуррентным ритмом (или частотой) Fr, временем анализа Та, рабочей апертурой ультразвукового щупа во время обнаружения и скоростью вращения ω, числом датчиков, обеспечивающих одну и ту же функцию, и скоростью распространения ультразвуковых волн.

Желательно также, чтобы одна и та же установка могла работать на всем наборе диаметров труб (а также толщинах труб), перекрывающем набор производства. Часто предусматривают также несколько значений скорости вращения ω и рекуррентной частоты Fr, которые выбирают в зависимости от диаметра обрабатываемой трубы.

Наконец, следует отметить, что любое изменение процесса производства предполагает новое регулирование углов падения ультразвуков от каждого датчика на периферии трубы. Эта тонкая операция, осуществляемая вручную, часто занимает примерно полчаса, и в это время производство труб останавливается. Именно в таких условиях происходит в настоящее время неразрушающий контроль труб или других профилированных и/или тонкостенных изделий ультразвуком в конце процесса производства.

В области неразрушающего контроля ультразвуком часто используют следующую терминологию:

«сканирование » (или «scan ») обозначает последовательность относительных положений труба/датчик,

«приращение » обозначает шаг сканирования (обратно пропорциональный рекуррентной частоте или частоте ультразвуковых облучений),

«А-скан » обозначает график электрического напряжения, измеренного на контактах ультразвукового датчика, где на оси абсцисс показано время распространения, а на оси ординат представление электрического напряжения, называемое также ультразвуковой амплитудой,

«В-скан » обозначает изображение, соответствующее данному значению приращения, где на оси абсцисс сканирование соответствует ультразвуковому облучению, на оси ординат показано время распространения, и в каждой точке - ультразвуковая амплитуда, преобразована в серый полутон,

«Эходинамика » обозначает график, где на оси абсцисс показано ультразвуковое облучение, а на оси ординат максимальная амплитуда, отмеченная во временном селекторе A-скана для соответствующего облучения,

«С-скан » обозначает изображение, где на оси абсцисс и оси ординат показано эквивалентное положение в плоском пространстве точки облучения ультразвуковой волны, и представляющее в виде серого полутона максимальную ультразвуковую амплитуду для этого облучения, отмеченную в рассматриваемом временном селекторе A-скана ( «амплитуда изображения »). В случае трубы, точка на оси абсцисс С-скана соответствует положению на длине трубы, а точка на оси ординат соответствует положению на окружности трубы. В случае плоского изделия точка на оси абсцисс С-скана соответствует положению на длине плоского изделия, а точка на оси ординат соответствует положению на ширине плоского изделия.

На фиг. 6 в продольном разрезе схематично показана система, образованная датчиком, его столбом воды и трубой, а также изображение различных ультразвуковых путей, образующих эхосигналы. Она позволяет лучше понять сложность этих путей и трудность анализа.

На фиг. 6А схематично показана диаграмма амплитуды/времени ультразвукового сигнала на уровне датчика, который работает с наклонным углом падения. Начиная с момента Texcit возбуждения датчика, эхосигнал находится на границе раздела вода-труба в момент Tinterf (который можно также обозначить TphiExter0). После этого отмечены (вертикальная пунктирная линия) момент TphiInter, в который ультразвуковой луч достигает внутренней поверхности трубы, где он отражается и преломляется, а также момент TphiExter, в который ультразвуковой луч достигает внешней поверхности трубы. Учитывая наклонный угол падения, нет существенного эхосигнала, который возвращается к датчику в момент Tphilnter, при отсутствии дефекта в этом месте. Это же относится и к моменту TphiExter.

На фиг. 6В схематично показана диаграмма амплитуды/времени ультразвуковых сигналов на уровне датчика, который работает с нормальным углом падения. Общая хронология сигналов такая же как на фиг. 6А (за исключением фактора, связанного с углом падения). Однако при нормальном угле падения есть существенные эхосигналы в моменты Tphilnter и TphiExter даже при отсутствии дефекта в рассматриваемых местах трубы.

В настоящее время системы неразрушающего контроля, используемые при производстве труб, работают с учетом соотношения К между

амплитудой As сигнала, поступающего от контролируемой трубы,

амплитудой А0 сигнала, поступающего от контрольного дефекта-эталона для рассматриваемого типа контроля. Как правило, этот «контрольный дефект-эталон » определяют на эталонной трубе с искусственно созданным дефектом (например, U-образная или V-образная выемка) с размерными характеристиками, выбранными, например, в соответствии со стандартом неразрушающего контроля и/или с техническим заданием заказчика.

Предполагается, что эта амплитуда сигнала пропорциональна серьезности дефекта, то есть его глубине (DD). График на фиг. 7 (хорошо известный специалистам, см. Nondestructive Testing Handbook - статистическая глава из тома 7, опубликован ASNT - American Society for Nondestructive Testing) представляет реальное распределение K=f(DD). Он показывает, что в действительности корреляция является очень плохой (порядка 0,3-0,4 для контроля ультразвуком).

В частности, на графике фиг. 7, если контрольную амплитуду А0 (K=1) установить в значении XL (глубина максимально допустимого дефекта) в центре распределения (который, в свою очередь, находится на наклонной TDis), видно, что дефекты можно найти также на K=0,5 глубины DD выше XL. Отсюда следует, что соображения предосторожности вынуждают фиксировать А0 в значении, гораздо меньшем XL. Следовательно, в процессе производства отбраковывают трубы, которые по сути дела могут быть удовлетворительными. Это тем более отрицательно сказывается на экономических показателях, чем сложнее технологии производства труб как с точки зрения их сложности, так и с точки зрения энергоемкости.

В связи с этим заявитель поставил перед собой задачу улучшения ситуации.

На фиг. 8 показано устройство, аналогичное показанному на фиг. 4, но усовершенствованное для возможности применения изобретения.

Выходной сигнал усилителя 73 прикладывают к каскаду 761, который оцифровывает амплитуду сигнала, поступающего из усилителя 73, и работает на этом оцифрованном сигнале. Эта обработка будет описана ниже со ссылкой на фиг. 11. Затем можно сохранить каскады 764 и 766, функционально аналогичные каскадам, показанным на фиг. 8. Необработанный сигнал датчика, который можно наблюдать на осциллоскопе 750, специалисты называют A-сканом. Он содержит эхосигналы согласно схеме, показанной на фиг. 6.

Желательно дефекты трубы получить в визуальном отображении при помощи ультразвуковых сигналов. Ниже следует описание получения изображения.

На практике изображение получают в результате нескольких последовательных исследований трубы датчиком Px под последовательными углами, которые, по существу, перекрывают поперечное сечение трубы. Это можно осуществить путем последовательных облучений только одним датчиком с использованием относительного вращения труба/датчик.

В качестве не ограничительного примера рассмотрим установку с так называемой вращающейся головкой.

На фиг. 8А рассмотрен датчик Px, который может быть датчиком одного из вышеуказанных типов P1, P11, Р12, Р21 и Р22. В проиллюстрированном примере этот датчик Px, по сути дела, содержит элементарные датчики Px-1, ..., Px-i, ..., Рх-n, которые установлены вдоль продольной оси трубы и которые подвергают ультразвуковому облучению в один и тот же момент. На фиг. 8А то, что находится между элементарными датчиками и выходными изображениями 769А и 769В, можно считать преобразователем.

Сигнал А-скан первого элементарного датчика Px-1 прикладывают к усилителю 73-1, за которым следуют два параллельных канала: канал селектора 761-1А с последующим линейным оцифровщиком 765-1А и канал селектора 761-1B с последующим линейным оцифровщиком 765-1B.

На основе информации, полученной во время прохождения эталонной трубы, оператор считывает в селекторе 761-1А информацию Т1А, соответствующую временному указанию положения и ширины, которое в зависимости от известной геометрии трубы обозначает ему моменты, в которые он получит «эхосигнал внутренней поверхности », связанный с внутренней поверхностью трубы, например, первый эхосигнал Int1, показанный на фиг. 6. На фиг. 6А более четко показано соответствующее временное окно «Int » вокруг TphiInter.

Точно так же, на основании информации, полученной во время прохождения эталонной трубы, оператор считывает в селекторе 761-1B информацию Т_1В, соответствующую временному указанию положения и ширины, которое в зависимости от известной геометрии трубы обозначает ему моменты, в которые он получит «эхосигнал внешней поверхности », связанный с внешней поверхностью трубы, например, первый эхосигнал Ext1, показанный на фиг. 6. На фиг. 6А более четко показано соответствующее временное окно «Ext » вокруг TphiExter.

Схема повторяется для других датчиков Рх-2, ..., Px-i, ..., Рх-n.

Таким образом, каждый временной селектор 761 работает во временных окнах с учетом момента излучения ультразвуков и заранее определенных временных интервалов, в которые можно ожидать эхосигналы, соответствующие этому селектору. На фиг. 6 показано, как можно определять интересующие временные интервалы с учетом угла падения ультразвукового луча на трубу, а также с учетом диаметра (внутреннего или внешнего) и толщины трубы. Данный временной интервал соответствует данному эхосигналу в данной точке трубы для данного относительного положения между трубой и датчиком.

Для упрощения допустим, что моменты облучения синхронизированы по относительному вращению труба/датчики таким образом, чтобы элементарный датчик всегда работал на одной и той же продольной образующей трубы. Таким образом, выход его селектора выдает последовательность аналоговых отсчетов сигнала, каждый из которых соответствует амплитуде эхосигнала, ожидаемого на стенке трубы. Эти отсчеты датчика Px-1 (например) подвергаются оцифровке в 765.

Синхронность с облучением можно обеспечить при помощи связи (не показана) с излучателем 70 или его включателем, схемой синхронизации 753 или ее разверткой 752 (фиг. 8). При желании можно сохранить индикацию 750. Система может работать на трубе, вращающейся с постоянной, по существу, скоростью. В этом случае угловая скорость и скорость поступательного перемещения трубы можно измерить при помощи точного углового кодера, например, модели RS0550168, поставляемой компанией Hengsker, и лазерного спидометра, например, модели LSV 065, поставляемой компанией Polytec. Труба также может не поворачиваться, в то время как поворачивается эта система датчиков. В данном случае лазерный спидометр достаточен для измерения скорости поступательного перемещения трубы, а скорость вращения датчиков получают при помощи углового кодера.

Для данного облучения совокупность датчиков Px-1 - Рх-n дает строку изображения, которая соответствует поперечному сечению трубы. В другом измерении трубы данный элементарный датчик дает строку, которая соответствует образующей трубы.

Оцифровщики 765-1А, 765-2А, ...,765-iA, ..., 765-nA позволяют заполнить «внутреннее » изображение 769А, связанное с внутренней поверхностью трубы. Оцифровщики 765-1В, 765-2В, ..., 765-iB, ..., 765-nB позволяют заполнить «внешнее » изображение 769В, связанное с внешней поверхностью трубы (для более четкого понимания схемы на выходе использована штрихпунктирная линия).

Запомненное в 769А или 769В изображение, которое является определенным выше С-сканом, соответствует рассматриваемому датчику или группе датчиков Px. Каждая точка этого изображения, транспонированная в серые тона, соответствует значению амплитуды эхосигнала, полученного при отражении ультразвукового сигнала от вероятного дефекта рассматриваемой зоны трубы. Это значение (в дальнейшем обозначаемое К) может представлять собой соотношение между максимальной амплитудой ультразвукового сигнала, полученного на трубе в ходе теста, и максимальной амплитудой ультразвукового сигнала, полученного с вышеуказанного искусственного «контрольного дефекта-эталона », определенного выше.

В данном случае это изображение соответствует зоне трубы, полученной путем объединения, по существу, кольцевых зон трубы, которые соответствуют каждой из оцифрованных строк. По сути дела, речь идет о кольцевых зонах, если луч ультразвука является, по существу, перпендикулярным к оси трубы. Как известно, для некоторых типов дефектов дело обстоит по-другому. Здесь зоны являются скорее эллиптическими и, по сути дела, деформированными или «искривленными » в пространстве. В настоящем описании выражение «кольцевые зоны » охватывает эти различные варианты.

Необходимо отметить, что для получения этой полной реконструкции изображения С-скан необходимо иметь дополнительную информацию о позиционировании трубы по отношению к датчику. Ее можно получить на отдельном входе 740. Эта информация поступает от кодера XYZ или от лазера XYZ. Поскольку трубу можно отождествить с цилиндром без толщины, то информация о положении может быть уменьшена до двух измерений.

Понятно, что, применение изобретения на существующем стенде контроля ультразвуком ( «UT bench ») предполагает:

доступность необработанных данных контроля ультразвуком ( «UT Raw Data »), которая обеспечивается, например, при помощи платы сбора, например, модели NI 6024 серии E или модели NI 6251 серии M компании National Instrument,

наличие информации он-лайн о скорости вращения (трубы или головки датчиков), и

наличие информации он-лайн о скорости поступательного перемещения трубы.

Схему, показанную на фиг. 8, можно применять

параллельно с датчиком типа P11 или с датчиком типа Р12, которые наблюдают одну и ту же зону трубы в двух разных направлениях. Каждый датчик позволяет получить внутреннее изображение 769А и внешнее изображение 769В. После этого в зависимости от команды, обозначенной «Int/Ext », можно выбрать одно из изображений;

параллельно с датчиком типа Р21 и с датчиком типа Р22, которые тоже позволяют, каждый, получить внутреннее изображение 769А или внешнее изображение 769В.

Схему, показанную на фиг. 8А, можно также применять с датчиком типа P1, и в этом случае предусматривают три параллельных канала после каждого усилителя (по меньшей мере, виртуально). Один из каналов работает на повторяющемся временном строб-импульсе, показанном на фиг. 6В обозначением «Объем ». Этот канал обеспечивает контроль дефектов в объеме, то есть в толщине трубы.

Два других канала могут работать соответственно на повторяющихся временных строб-импульсах, показанных на фиг. 6В обозначениями «WphiExter0 » и «Wphilnter1 ». Эти два других канала позволяют измерять толщину трубы.

Различие между 3 каналами является чисто функциональным (виртуальным). Действительно, упомянутые два других канала физически могут быть одним и тем же каналом, в котором различают моменты или строб-импульсы «WphiExter0 » и «Wphilnter1 ». Можно также использовать один физический канал, в котором различают моменты или строб-импульсы «WphiExter0 », «Объем » и «WphiInter1 ».

Далее следует более детальное описание случая датчика типа P11 с датчиком типа Р12. Это теперь и будет сделано.

Следует напомнить, что эти две группы датчиков P11 и Р12 служат для обнаружения продольных дефектов на трубах. Ультразвуковой контроль осуществляют при помощи облучений ультразвуком (US) в двух преимущественных направлениях ( «по часовой стрелке » - «против часовой стрелки »):

Датчик или группа датчиков P11 выдает ультразвуковое изображение трубы в рабочем направлении ( «по часовой стрелке »).

Второй датчик или группа датчиков Р12 выдает ультразвуковое изображение этой же трубы в другом рабочем направлении ( «против часовой стрелки »).

Таким образом, продольные дефекты предпочтительно обнаруживают при помощи 2 датчиков или групп датчиков, оси луча которых наклонены симметрично по отношению к плоскости, перпендикулярной к оси трубы. Например, наклон составляет примерно +/- 17 °. Это и является примером применения вышеупомянутой системы из двух датчиков или из двух групп датчиков.

На фиг. 9 показан пример двух изображений 901 и 902 типа C-скан, расположенных друг над другом, с одинаковым отсчетом времени. Эти два изображения получают соответственно на основании информации от 2 групп датчиков в противоположных положениях, здесь группы датчиков типа P11 и Р12 (в варианте - группы датчиков типа Р21 и Р22), причем для одного из двух случаев «Внутреннее »/ «Внешнее ».

Изображения блоков 901 и 902 представляют собой сигнал на уровне серого цвета (по сути дела, в цветовой гамме). По желанию выводят дополнительную индикацию, дополнительные изображения которой:

921, которое показывает амплитуду сигнала по вертикальной линии 911, выбранной в изображении 901,

922, которое показывает амплитуду сигнала по вертикальной линии 912, выбранной в изображении 902,

910, которое содержит две кривые, представляющие максимум, обнаруженный на соответствующей вертикали в изображениях 901 и 902, соответственно.

Далее рассмотрим фиг. 11. Блоки изображений 901 и 902 представляют собой запомненные изображения для групп датчиков P11 и Р12, например изображения, показанные на фиг. 9. Изображение 901 получено при помощи способа, показанного на фиг. 8А. Блок преобразователя 891 на фиг. 11 соответствует сборке на фиг. 8А, примененной для датчика P11. Точно так же, блок преобразователя 892 тоже соответствует монтажу на фиг. 8А, но примененной к датчику Р12. Блоки преобразователей 891 и 892 используют данные контекста труба/датчики блока 740. Эти данные связаны с характеристиками трубы во время исследования и датчиков во время использования. Они передаются также на блоки преобразователей 891 и 892, на блоки изображений 901 и 902, а также на блок комбинаторного устройства 960.

После блоков 901 и 902 показаны фильтры 921 и 922, которые позволяют, в частности, получать выборки из изображений, а также данные их подготовки в качестве входных данных, объединяемых блоком комбинаторного устройства 960 для нейронной обработки 970, что будет показано.

В описанном варианте выполнения фильтр 921 содержит

выход сигнала Zcur, обозначающий рабочую зону в изображении. Этот выход используют для функции выборки 951, которая осуществляет, таким образом, выборку из изображения (C-скан) для зоны Zcur, и доступа к подготовке изображения 891 с целью получения в нем запомненной информации (называемой A-скан), относящейся к этой же зоне Zcur. Все эти данные передаются функцией выборки 951 в комбинаторное устройство 960 в качестве входных сигналов нейронной обработки 970,

выход, выдающий информацию, полученную в результате фильтрования, которая, по меньшей мере, некоторая относится к зоне Zcur, которую оно передает в качестве входного сигнала нейронной обработки (комбинаторное устройство 960),

факультативно (пунктирная линия) дополнительные выходы данных для запоминающего устройства 990.

Это же касается и фильтра 922 с функцией выборки 952 для текущей зоны Zcur.

Нейронная обработка 970 снабжает логику 992 принятия решения и сигнализации, которая управляет автоматом сортировки и маркировки 994. Можно предусмотреть интерфейс 996 для интерпретации оператором, через который можно представить все или часть данных, содержащихся в запоминающем устройстве 990 и связанных с участком трубы, во время исследования.

В данном случае фиг. 11 обрабатывает информацию, поступающую как минимум от двух групп датчиков, обеспечивающих одинаковую функцию или предназначенных для одинакового типа контроля (2 групп P11 и Р12 или 2 групп Р21 и Р22). Эта же схема может служить для обработки данных, поступающих от большего числа групп датчиков, предназначенных для контроля разного типа. Соответственно увеличивается число одновременно обрабатываемых изображений.

Первичной функцией фильтров 921 и 922 является определение зон дефектов в изображениях С-скан 901 и 902. Как правило, фильтрование осуществляют, чтобы выделить зоны для анализа и отделить там дефекты от других показаний. Фильтрование работает на двух подобных участках двух изображений, показанных на фиг. 9. По сути дела, оба фильтра работают совместно, что отражено на фиг. 11 в виде соединяющей их двухсторонней связи.

При помощи сканирования цифрового изображения сначала локализуют места изображения, где существуют потенциальные дефекты.

Для этого можно применять фиксированное пороговое значение, установленное методом калибровки.

В настоящее время заявитель предпочитает использовать порог, соответствующий текущему уровню шума в изображении. Метод основан на теории обнаружения сигнала в белом шуме, которая может основываться на двух гипотезах:

Гипотеза Н0: измерение = белый шум со средним значением m_b и типовым отклонением std_b.

Гипотеза H1: измерение = сигнал + белый шум

Производят статистические тесты, которые позволяют определить, находимся ли мы в рамках гипотезы Н0 или гипотезы H1. Эти статистические расчеты осуществляются в реальном времени для n скользящих точек изображения, соответствующих последовательным облучениям, причем число n может быть определено путем обучения.

Согласно этому способу (так называемый случай «аддитивного гауссового шума »), можно, например, использовать критерий Неймана-Пирсона для определения порога обнаружения по заданной вероятности ложной тревоги (pfa). Это выражается прилагаемой формулой [21]. Используют кумулятивную гауссову функцию, обычно называемую Q (или еще функцией погрешности erf), которую необходимо инвертировать для получения порога, согласно прилагаемой формуле [22].

На практике часто отмечают присутствие фонового шума, который может иметь разное происхождение (например: присутствие воды внутри трубы, фон переменного тока, акустические явления, связанные со структурой материала контролируемого изделия). Использование переменного порога позволяет избежать ложных тревог, которые возникают при применении фиксированного порога.

Среди других ложных воспринимаемых показателей, которые могут появиться, помехи проявляются очень короткими пиками в ультразвуковом сигнале. Эти помехи можно выделить при помощи простых алгоритмов, которые можно назвать алгоритмами кумулятивного учета или еще интеграторами (пример: «n импульсов перед тревогой » или «двойной порог »).

Заявитель рассмотрел также «виток », который представляет собой путь, проходимый датчиком вдоль цилиндрической поверхности, с которой отождествляют трубу. Фильтрование можно осуществлять вдоль каждого витка, чтобы еще больше сократить долю ложных тревог. Для этого используют, например, фильтр Баттерворта и/или дискретное преобразование Фурье, такое как быстрое преобразование Фурье. Этот прием применяют для каждой оцифрованной строки.

Аналогичный алгоритм можно применять в направлении длины трубы.

Таким образом, локализуют потенциальные дефекты. При обнаружении дефекта его положение соответствует положению, определенному путем анализа изображений, показанных на фиг. 9 (например). Это двухмерное изображение соответствует развертке трубы, отождествляемой с цилиндром без толщины. Индикации радиального положения/толщины (или, проще говоря, внутреннее положение, внешнее положение или положение дефекта в массе) могут быть представлены как атрибуты точек изображения. Таким образом, имеем:

два двухмерных изображения, показывающие вероятные дефекты на внешней поверхности трубы,

два двухмерных изображения, показывающие вероятные дефекты на внутренней поверхности трубы,

одно двухмерное изображение, показывающее возможные дефекты в толщине трубы.

Теперь рассмотрим «подтвержденные » дефекты, в частности, после устранения помех и ложных тревог.

Для рассмотрения заявитель выбрал работу в зоне изображения фиксированного размера. Поэтому эту зону необходимо связывать с полученными данными существования дефекта.

Иначе говоря, отмеченные точки следует считать превышающими порог, чтобы определить полную зону вокруг дефекта.

Необходимость в этом возникает, например, когда требуется определить наклонное положение дефекта.

Алгоритм организован различными этапами:

обнаружение контура (например, градиент Робертса),

расширение (объединение близких контуров),

размывание, затем смыкание, что позволяет определить маску вокруг дефектов,

последний этап охватывания позволяет полностью локализовать дефект.

Таким образом, для каждого дефекта получают координаты соответствующей зоны изображения, которые будут использованы для последующего ее анализа при помощи нейронной сети.

На фиг. 12 в виде блок-схемы показана эта обработка зон изображения.

В начале изображений (801) необходимо обработать от 0 до р зон изображения, в которых содержатся подтвержденные дефекты. Операция 803 предполагает, что существует по меньшей мере одна первая зона, которая служит текущей зоной Zcur, обрабатываемой на этапе 805.

Для этой зоны Zcur:

Во время операции 807 селективно извлекают данные из изображений 901 и 902, которые соответствуют этой зоне (определенной в изображении своими координатами).

Во время операции 809 селективно извлекают данные, которые были использованы при подготовке изображений 901 и 902 и которые соответствуют зоне Zcur. Примеры этих данных будут приведены ниже.

Во время операции 811 осуществляют собственно нейронную обработку, которая будет рассмотрена ниже.

Результаты, полученные для зоны Zcur, селективно запоминают на этапе 813 в соответствии с обозначением зоны Zcur.

Тест 820 позволяет определить, есть ли в изображении еще другая зона для обработки, и в этом случае возобновляют этап 805 с этой другой зоной, что указанно в 821, если нет - обработка текущего изображения или текущих изображений завершена (822).

В случае обработки датчика P1 существует только одно изображение, что меняет число входных параметров. За исключением этого момента, обработка в основном является такой же.

После определения каждой интересующей зоны Zcur фильтрование может содержать другие функции. Для этих других функций на фиг. 13 схематично показана взаимосвязь между фильтрованием и последовательностью операций, показанных на фиг. 11.

Фиг. 13 аналогична фиг. 11, но только для изображения 901.

На ней показаны:

элементы контекста труба/датчики блока 740,

экстрактор 951, который находит данные для зоны Zcur в изображении 901 и для его подготовки 891,

внутренний/внешний блок 7410, указывающий, находится ли дефект в рассматриваемой зоне Zcur на внутренней поверхности или на наружной поверхности.

То, что фильтрование добавляет к базовым данным, более детально определяется для каждой зоны Zcur (блок 805), а именно, как показано в рамке, обозначенной пунктирной линией:

поиск угла наклона в 931,

индикация длины дефекта 932.

К этому можно, в частности, добавить:

индикацию выравнивания по С-скан в 935, и

в 936 - индикацию существования других дефектов в этом же поперечном сечении трубы.

В описанном варианте осуществления данные, такие как 935 и 936, направляются в память 990. Остальные данные направляются в нейронные сети 970. Эти сети делятся по двум функциям, что будет показано ниже.

Нейронные схемы

Дефект в трубе может быть определен по его положению, его типу и его серьезности, часто обусловленной его глубиной. В описанном варианте осуществления тип и степень глубины дефекта трубы определяют отдельно при помощи двух нейронных процессов, имеющих одинаковую общую структуру, которые будут более детально рассмотрены ниже на примере.

Случай типа дефекта представлен на фиг. 14, тогда как случай серьезности, рассмотрен на фиг. 15.

Типы можно определять, например, как показано на фиг. 10A-10D. На этих фигурах показаны четыре типа, представляющие собой упрощенный выбор, по сравнению со списком дефектов, снабжаемым API, и могут появляться в процессах обработки трубы. Для обозначения природы дефектов специалисты используют названия, указанные на французском и английском языках. Отмечается, что дефекты типов 1 и 3 являются прямыми, а дефекты на фиг. 2 и 4 являются изогнутыми (с «хордой »).

Соответствие между реальными дефектами и вышеуказанными четырьмя типами можно определить следующим образом:

В данном случае на обеих фиг. 14 и 15 представлены нейронные схемы с тремя промежуточными нейронами (или «скрытыми нейронами »), обозначенными NC121-NC123 на фиг. 14 и NC141-NC143 на фиг. 15.

Фиг. 14 и 15 имеют общее определенное число входных сигналов. Чтобы облегчить понимание, входные сигналы показаны разными типами линий. Двойными линиями показаны множественные входные сигналы, то есть повторяющиеся для каждой точки зоны Zcur.

Прежде всего, в 7410 в зависимости от рассматриваемого состояния соответствующих селекторов 761 получают информацию, указывающую, идет ли речь об обработке дефекта, находящегося на внутренней поверхности или на внешней поверхности стенки трубы.

Вторая категория общих входных величин содержит величины контекста, поступающие из блока 740 (фиг. 13):

в 7401 - WT/OD, которая является отношением толщины стенки к диаметру трубы,

в 7402 - Freq, которая является рабочей частотой ультразвуковых щупов,

в 7403 - ProbDiam, которая является полезным диаметром ультразвуковых щупов.

Третья категория общих величин содержит количественные значения, которые получают из фильтрования и которые можно считать общими для двух датчиков 921 и 922 (или более). Определяют, например, среднее значение результатов по двум датчикам или берут наиболее характерный результат (максимум/минимум, в зависимости от случая). Этими количественными величинами являются величины в 9201, наклон дефекта и его длина в 9202. Эти две величины можно легко уловить на двух изображениях, показанных на фиг. 9, которые имеют зеркальную симметрию.

Далее рассмотрим только фиг. 14. Следующая категория величин содержит величины отдельных измерений для каждого из двух датчиков (или групп датчиков) и для каждой из зон Zcur, что показано на чертеже с применением двойной линии.

Для первого датчика имеем:

в 9511 - K1, которая является соотношением между максимальной амплитудой ультразвукового сигнала в зоне Zcur и на изображении 901 и максимальной амплитудой вышеупомянутого «контрольного дефекта-эталона ». По сути дела, в данном примере, этим отношением определяют амплитуду в каждом пикселе изображения 901; в этом случае K1 является просто максимумом амплитуды в зоне Zcur изображения 901; точку зоны Zcur, где встречается этот максимум, обозначают Pmax1.

в 9512 - QBE1, которая является величиной в С-скан, называемой QuantBumpsEchodyn и представляющей собой число локальных максимумов, в зоне Zcur изображения 901 вблизи точки Pmax1 максимальной амплитуды. Это число QBE1 ограничено локальными максимумами, соседствующими с Pmax1 с одной стороны и с другой, но при этом амплитуда сигнала не опускается ниже уровня, соответствующего фоновому шуму. Как правило, QBE1 принимает либо значение 1, либо значение 2.

Эти две величины получают из изображения 901 через экстрактор 951, что на чертеже отражено обозначением 951(901). К этому добавляются:

в 9518 - RT1, которая является величиной, представляющей собой время повышения эхосигнала в первоначальном ультразвуковом сигнале, называемом А-сканом (речь идет о промежутке между моментом, когда сигнал является максимальным, и последним предыдущим моментом, когда сигнал находится на уровне фонового шума, часто выражаемом микросекундами). Эта величина RT1 была измерена ранее на выходе соответствующего усилителя 73 (фиг. 8A); она была внесена в память, например, в 891, в соответствии со связанной с ней точкой трубы. Именно так она может быть селективно извлечена экстрактором 951.

Для второго датчика имеем

в 9521 - К2, которую определяют как и K1, но для изображения 902 вместо изображения 901. В данном примере К2 является просто максимумом амплитуды, в зоне Zcur изображения 902; точку зоны Zcur, где встречается этот максимум, обозначают Pmax2;

в 9522 - QBE2, определяемая как и QBE1, но для изображения 902 вместо изображения 901 и по соседству с Pmax2. Здесь тоже QBE2 принимает либо значение 1, либо значение 2.

Эти две величины получают из изображения 902 через экстрактор 952. К ним добавляются:

в 9528 - RT2, которая является величиной, представляющей собой время повышения эхосигнала в первоначальном ультразвуковом сигнале, называемом А-сканом. Как и в предыдущем случае эта величина RT2 была измерена ранее на выходе соответствующего усилителя 73 (фиг. 8A); она была внесена в память, например в 892, в соответствии со связанной с ней точкой трубы. Именно так она может быть селективно извлечена экстрактором 952.

Последний входной сигнал 958 нейронной сети является постоянным значением, обозначенным ConstantA, которое представляет собой константу, определяемую во время отладки модели в результате обучения.

Выходной сигнал 998, показанный на фиг. 14, является величиной, указывающей на тип дефекта и его средний наклон (определяемый в зависимости от типа).

Случай степени глубины (или серьезности) дефекта рассмотрен со ссылками на фиг. 15. Входы являются такими же, что и на фиг. 14, за исключением того, что

для первого датчика блок 9512 заменяют блоком 9513, который обрабатывает величину EW 1 или EchodynWidth, которая является шириной на половине высоты (50%) формы эходинамической волны для этого первого датчика. Эту величину EW_1 получают из С-скана.

Точно так же, для второго датчика блок 9522 заменяют блоком 9523, который обрабатывает величину EW_2 или EchodynWidth, которая является шириной на половине высоты (50%) формы эходинамической волны для этого второго датчика.

В 959 константа, обозначенная в данном случае ConstantB, является другой.

Выход 999 является индикацией серьезности дефекта, обозначаемой DD.

Следует отметить, что в обоих случаях (фиг. 14 и 15) данная нейронная схема 970 обрабатывает выборку из изображения 951 для одной из групп ультразвуковых датчиков, а также выборку из изображения 952, соответствующего той же зоне, но полученного от другой группы датчиков.

Заявитель установил, что можно получить очень удовлетворительные результаты при условии надлежащего регулирования параметров нейронных схем и, в случае необходимости, их числа, для оптимизации прогнозирования.

Кроме того, заявитель констатировал, что прогнозирование можно сделать еще более точным за счет комбинирования информации, собранной различными нейронными сетями.

В целом входными параметрами нейронной сети являются характеристики двух изображений (отношение максимальной амплитуды к амплитуде эталона, ширина эхосигнала, ориентация эхо-сигнала, определяющая наклон дефекта и т.д.) и контроля (датчик, размеры трубы и т.д.).

Выходными параметрами являются характеристики дефекта (глубина, наклон/тип). Принятие решения и/или сигнализация (992) могут быть осуществлены автоматически при помощи выбранных критериев принятия решения, на основании порогов, с учетом запаса надежности, согласно требованиям. Для определения этих порогов можно также воспользоваться результатами обучения.

Далее рассмотрим фиг. 16, которая является моделью элементарной нейронной схемы, показанной на фиг. 14 и 15, для двух датчиков.

Эта модель содержит входной уровень или слой IL ("Input Layer"), который объединяет все входные параметры (часто называемые «входными нейронами »). Чтобы не перегружать фигуру, показаны только три нейрона E1-Е3, плюс константа, которую тоже можно рассматривать как нейрон E0. Эту константу чаще всего называют «систематической погрешностью ». На практике входные нейроны является более многочисленными, как показано на фиг. 14 или на фиг. 15, в зависимости от случая.

После этого предусмотрен по меньшей мере один уровень или слой HL ("Hidden Layer" или «скрытый слой »), который содержит k нейронов (из которых показаны только два, чтобы не перегружать чертеж).

Наконец, следует выходной нейрон S1, который выдает решение в виде значения, представляющего важность дефекта трубы, например продольного дефекта. Этот выход соответствует блоку 998 на фиг. 14 и блоку 999 на фиг. 15.

Отметим, что «нейрон »-константа E0 используют для придания весового коэффициента не только скрытому слою или скрытым слоям HL, но также выходному нейрону (слой OL или "Output Layer").

Общее поведение нейронной схемы, используемой в данном случае, выражено формулой [11] приложения 1, где w _ij является весовым коэффициентом, применяемым к сигналу Xi, присутствующему на входе нейрона j.

В предусмотренной здесь схеме элементарный нейрон предполагается по формуле [12], что схематично показано на фиг. 17.

Выход S1 на фиг. 16 выдает расчетное значение, которое соответствует формуле [13] приложения 1.

Путем обучения заявитель привел в соответствие скрытые нейроны и их весовые коэффициенты таким образом, чтобы функция f была нелинейной, непрерывной, дифференцируемой и ограниченной функцией. В предпочтительном примере она является функцией арктангенса.

Известно, что нейронная сеть определяет свои коэффициенты w _ij , обычно называемые синапсами, путем обучения. Это обучение должно применять обычно в 3-10 раз больше примеров, чем число вычисляемых весовых коэффициентов, и в то же время правильно покрывать диапазон требуемых рабочих условий.

Исходя из примеров Е _р (р = от 1 до M) , для каждого из примеров определяют отклонение D _h между значением S _p , выданным нейронной схемой, и реальным значением R _p , измеренным или определенным экспериментально. Именно это и отражает формула [14].

Качество работы нейронной схемы определяется общей величиной отклонения C _g , называемой «стоимостью ». Она может быть выражена, например, формулой [15] как общая величина квадратичного взвешенного отклонения.

Обучение ставит различные проблемы в случае контроля дефектов в трубах, в частности, как было указано, речь идет о сложных технологиях.

Прежде всего, заявитель провел первое обучение на основе моделирования. Для этого можно использовать программное обеспечение CIVA, разработанное и выпускаемое в продажу Комиссариатом по атомной энергии Франции. Это первое обучение позволило выявить влияющие параметры и построить первую версию нейронной сети на основе виртуальных дефектов. Была оптимизирована функция стоимости.

После этого заявитель провел второе обучение, комбинирующее результаты, полученные на моделировании и искусственных дефектах, то есть созданных намеренно на реальных трубах. Это второе обучение позволило построить вторую версию нейронной сети, функция стоимости которой тоже была оптимизирована.

После этого заявитель скомбинировал результаты, полученные на искусственных дефектах и на дефектах, присутствовавших на реальных трубах, причем эти дефекты были точно известны в результате измерений, произведенных после изготовления за пределами производственного конвейера. Эта третья фаза позволила подтвердить последнюю версию нейронной сети. Эта версия оказалась наиболее подходящей для контроля за производством. Вместе с тем, при внедрении на новой или модифицированной установке ее следует подвергнуть «регулировке » при помощи десятка искусственных эталонов, охватывающих весь диапазон обрабатываемых дефектов. После этого, естественно, производят оптимизацию.

Фиг. 11, 12, 14 и 15 были описаны в рамках рассмотрения датчиков P11 и Р12.

Этот же принцип можно применить для групп датчиков P1. В этом случае изображения 2 не будет, и построенная сеть будет иметь меньше входных параметров, как было указано выше. Схемы, описанные для двух датчиков, можно использовать для одного датчика, но без входных параметров для части «изображение 2 ».

Этот же принцип можно применять также для двух групп датчиков Р21 и Р22, предназначенных для обнаружения поперечных дефектов, с учетом того, что для этого обнаружения датчики имеют наклон (например, +/- 17 °) в плоскости, проходящей через ось трубы.

Понятно, что в каждом случае применяют цифровую обработку определенного типа, описанного со ссылками на фиг. 11, за исключением элементов 992-996. Эту обработку обозначают общей позицией 761 на фиг. 8, после чего следуют блоки 764 и 766.

Таким образом, получают совокупность, показанную на фиг. 18 и содержащую:

для датчика Pl обработку 761-1 с последующей фазой принятия решения и сигнализации 764-1;

для датчиков P11 и Р12 обработку 761-10 с последующей фазой принятия решения и сигнализации 764-10;

для датчиков Р21 и Р22 обработку 761-20 с последующей фазой принятия решения и сигнализации 764-20;

при этом все три фазы 764-1, 764-10 и 764-20 совместно интерпретируются автоматом сортировки и сигнализации 766.

Не показанный вариант фиг. 18 предусматривает только одну фазу «Принятие решения и сигнализация », напрямую использующую выходные сигналы трех обработок 764-1, 764-10 и 764-20.

Собственно неразрушающий контроль осуществляют «на лету », то есть по мере следования трубы в установке контроля. Принятие решения в результате описанной выше обработки информации тоже может приниматься по мере следования трубы в установке контроля (с принятием решения - сигнализацией и маркировкой «на лету »); вариант принятия этого решения имеет место после осмотра всей длины трубы или даже позже (например, после контроля всей партии труб), при этом каждую трубу отмечают/идентифицируют (например, № по порядку). В этом случае необходимо, чтобы полученная информация была зарегистрирована (запомнена). Зарегистрированные данные могут быть проанализированы в дальнейшем оператором, который имеет право принимать решение после анализа зарегистрированных результатов, обработанных нейронной сетью (нейронными сетями).

Разумеется, учитывая свойства нейронных схем, можно, по меньшей мере, частично, сгруппировать все нейронные схемы (содержащиеся в обработках 764-1, 764-10 и 764-20) в одну нейронную схему, имеющую все необходимые входы.

Описанный вариант осуществления использует нейронные сети напрямую. Однако изобретение не ограничивается этим вариантом осуществления. В данном случае выражение «компоновка типа нейронной схемы » может охватывать другие технологии нелинейной статистики как с нейронными схемами, так и без них.

Предложенная система описана для случая неразрушающего контроля во время производства труб без сварных швов, то есть для наиболее предпочтительного случая применения изобретения. Эти же технологии можно применять, в частности, для длинных и необязательно трубчатых металлургических изделий.

В случае сварных труб или других сварных изделий (например, таких как листы или плиты) система может дополнительно определять границы сварного шва и, следовательно, локализовать вероятные дефекты в сварном шве, за которыми необходимо наблюдать. Вместе с тем, дефекты, находящиеся за пределами границ сварного шва, которые могут соответствовать включениям, уже присутствующим в листовой заготовке (или в изделии), будут рассматриваться по-другому.

Приложение 1